地球是人类唯一最理想、最优越的生存发展基地,这里有肥沃的土地、充足的水源、适 宜的气候、温暖的阳光、茂密的森林、美丽 的草原、辽阔的海洋、秀丽的风景、丰富的能源和无数地下宝藏。总之,在地球之上有人类赖以生存发展所必需的一切优良条件和理想的自然环境。人类自从诞生以来,是靠 地球“母亲”“乳汁”的养育,才得以繁衍 到今天

建模案例:最优截断切割问题 一、问题 从一个长方体中加工出一个已知尺寸、位置预定的长方体(这两个长方体的对应表面是平行的),通常要经过6次截断切割设水平切割单位面积的费用是垂直切割单位面积费用的r倍且当先后两次垂直切割的平面(不管它们之间是否穿插水平切割)不平行时,因调整刀具需额外费用e试设计一种安排各面加工次序(称“切割方式”)的方法,使加工费用最少 二、假设 1、假设水平切割单位面积的费用为r,垂直切割单位面积费用为1; 2、当先后两次垂直切割的平面(不管它们之间是否穿插水平切割)不平行时,调整刀具需额外费用e; 3、第一次切割前,刀具已经调整完毕,即第一次垂直切割不加入刀具调整费用;

针对具有提前/拖期特点的多节点多加工路线订单接受问题,提出采用改进NEH启发式算法、局部搜索和智能调谐和声搜索算法的混合智能调谐和声搜索算法(HITHS)来求解问题.该算法首先在初始解空间中采用改进NEH启发式算法产生部分初始解,然后利用智能调谐和声搜索算法更新初始解,在更新过程中再利用局部搜索的互换、交换和逆序操作使其避免陷入局部最优解,从而形成问题的近似最优解.最后采用所提出的混合算法对该问题进行算例分析,并和基本和声搜索算法进行比较,表明了混合算法的有效性和可行性

研究了输入多采样率型离散时间控制系统的预见控制器设计问题.首先利用提升技术从形式上消除多采样率特点和状态时滞,把问题转化为一个普通的单采样率无时滞系统的控制器设计问题.由于状态时滞的存在,提升过程中会引入输入量的历史值.把这些历史值和状态时滞项一起放入扩大系统的状态向量中,因此提升过程不会引入误差.针对提升后的系统,利用最优预见控制的标准处理方法,通过构造扩大误差系统,把问题转化为调节问题,最后给出带有预见补偿的最优控制器.再经过变换,得到原系统的预见控制器.同时对预见控制器的存在条件进行了讨论.数值仿真表明,本文所设计的预见控制器是有效的

在输电场景中，吊车等大型机械的运作会威胁到输电线路的安全。针对此问题，从训练数据、网络结构和算法超参数的角度进行研究，设计了一种新的端到端的输电线路威胁检测网络结构TATLNet，其中包括可疑区域生成网络VRGNet和威胁判别网络VTCNet，VRGNet与VTCNet共享部分卷积网络以实现特征共享，并利用模型压缩的方式压缩模型体积，提升检测效率，从计算机视觉和系统工程的角度对入侵输电场景的大型机械进行精确预警。针对训练数据偏少的问题，利用多种数据增强技术相结合的方式对数据集进行扩充。通过充分的试验对本方法的多个超参数进行探究，综合检测准确率和推理速度来研究其最优配置。研究结果表明，随着网格数目的增加，准确率也随之增加，而召回率有先增加后降低的趋势，检测效率则随着网格的增加迅速降低。综合检测准确率与推理速度，确定9×9为最优网格划分方案；随着输入图像尺寸的增加，检测准确率稳步上升而检测效率逐渐下降，综合检测准确率和效率，选择480×480像素作为最终的图像输入尺寸。输入实验以及现场部署表明，相对于其他的轻量级目标检测算法，该方法对输电现场入侵的吊车等大型机械的检测具有更优秀的准确性和效率，满足实际应用的需要

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性

前已指出,对于状态完全能控的线性定常系统,可以通过线性状态反馈任意配置闭 系统的极点。事实上,不仅是极点配置,而且系统镇定、解耦控制、线性二次型最优控制 (LQ)问题等,也都可由状态反馈实现。然而,在4.2节介绍极点配置方法时,曾假设所有 的状态变量均可有效地用于反馈。但在实际情况中,并非所有的状态度变量都可用于反 馈。这时需要估计不可量测的状态变量。需特别强调,应避免将一个状态变量微分产生另 一个状态变量,因为噪声通常比控制信号变化更迅速,所以信号的微分总是减小了信噪 比

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类

为解决机器人末端负载的时变性给高速运动的机器人带来控制精度降低的问题，研究了参数差值法、力矩求解法、全局参数辨识法的机器人末端负载动力学参数辨识的方法，以提高末端负载的辨识精度.得到的负载动力学参数用于动力学控制以提高机器人动态精度.通过建立拉格朗日动力学线性辨识模型，以最优激励轨迹进行实时数据采集，采样数据经过低通滤波及中心差分的处理后，代入相应的负载辨识方程式，并用加权最小二乘法解决线性方程组，可辨识到不同负载的动力学参数.实验验证了负载辨识方法的可行性

以程潮铁矿为工程背景,将采矿方法初选视为分类问题来处理,采用模糊聚类法从技术影响因素方面按照相似程度对采矿方法进行了分类初选,避免了以往采用工程类比进行初选的主观随意性,提高了采矿方法初选方法的科学性.在此基础上,运用层次分析法,综合考虑经济、资源、效率、安全及环境等五大类因素,构建了较为全面的采矿方法选择综合层次评价指标体系,并得到了合理的权重矩阵,较好地解决了多因素决策时各方案评判指标出现优越性交叉时的权重分配问题.最后采用模糊综合评判方法确定最优采矿方法